Foto: Reprodução/Imazon
O Centro de Projetos e Inovação do Instituto de Matemática Pura e Aplicada (Centro Pi/IMPA), em parceria com o Instituto do Homem e Meio Ambiente da Amazônia (Imazon), produziu um algoritmo para auxiliar na detecção de desmatamento na Floresta Amazônica. O trabalho foi apresentado no dia 7 de novembro pelo doutorando do IMPA, Rodrigo Schuller, no XXI Simpósio Internacional SELPER: ‘Além do Dossel – Tecnologias e Aplicações de Sensoriamento Remoto‘, em Belém (PA).
O Imazon analisou imagens com e sem desmatamento da região, obtidas do Projeto Copernicus (ESA) através do Google, para treinamento dos modelos desenvolvidos pelo IMPA, com o uso de tecnologia de redes neurais. O trabalho ‘Artificial intelligence to support deforestation monitoring in the brazilian Amazon‘ (inteligência artificial para auxiliar o monitoramento de desmatamento na Amazônia brasileira) já resultou na primeira versão da ferramenta de IA que está em uso no Imazon.
Schuller explicou que o algoritmo tem taxa de acerto de 95% e representa uma economia de tempo de 30% no trabalho dos especialistas. Uma tarefa que antes consumia 1004 horas, passou a ser realizada em 705 horas com o uso da ferramenta.
“A performance do modelo de detecção de desmatamento não é suficiente para automatizar totalmente o processo, mas já podemos usar o modelo como um assistente”, disse.
Larissa Amorim, pesquisadora do Imazon, destacou a importância da IA no dia a dia da organização. “A criação desse algoritmo de IA ajuda na tomada de decisão em relação a classificação dos alertas de desmatamento e não desmatamento e, com isso, acelera e traz maior assertividade ao processo de monitoramento. O tempo economizado na validação dos alertas pode ser concentrado em outras atividades, como focar em parcerias do uso efetivo dos dados para combate e controle do desmatamento”.
Antes da IA, o Imazon utilizava um algoritmo simples capaz de excluir áreas sem indícios de desmatamento. Posteriormente, uma equipe do instituto se dedicava a analisar o restante das imagens de forma manual – o que demandava muito tempo de observação. Apesar da melhora, o Centro Pi estuda como reduzir ruídos e aumentar a acurácia do algoritmo para torná-lo mais eficaz.
“Existe um campo de machine learning chamado aprendizado robusto, que trata de rótulos ambíguos ou com ruído. Já que alguns fenômenos naturais – como afloramento rochoso – são similares à desmatamento quando vistos em imagens de satélites, processos de aprendizado ajustados para lidar com essas incertezas podem atingir maior performance”, explicou Schuller.
“Outra abordagem que estamos investigando é usar modelos interpretáveis, isto é, que oferecem explicações do porquê uma área foi considerada desmatamento ou não. Dessa forma, podemos quantificar a importância de fatores como periodicidade sazonal, proximidade a rios ou as imagens de antes e depois para a previsão do modelo em cada região”, concluiu o doutorando do IMPA.
Além de Schuller, integram a equipe do projeto o cientista de projetos Francisco Ganacim e o pesquisador do IMPA Paulo Orenstein, que em julho deste ano foi premiado com o Google Research Awards pelo desenvolvimento do trabalho.
*O conteúdo foi originalmente publicado pelo Imazon
